基于递归RBF神经网络的污水处理过程出水水质预测方法技术

本发明专利技术涉及一种基于递归RBF神经网络的污水处理过程出水水质预测方法，污水经处理，在处理过程中采集数据，选取相关变量，最后进行数据非线性归一化处理；采用基于滑窗技术的动态PLS算法动态的在每一个时刻选择相关变量。本发明专利技术针对污水处理过程运行工况复杂，难以建立准确的数学机理模型问题，利用RBF神经网络在非线性系统建模方面的优势建立污水处理过程模型并对其出水水质进行预测。本发明专利技术将污水处理过程和RBF神经网络做了深度结合，设计了符合污水处理过程的网络输入输出关系，提出建立一种网络规模、数据维度、关键相关变量均变化的动态模型，提高预测模型对工况的适应能力。

【技术实现步骤摘要】

本专利技术涉及数据采集和处理，具体涉及一种基于递归rbf神经网络的污水处理过程出水水质预测方法。

技术介绍

1、污水处理过程原始数据体量非常大，预测模型的构建具有很大的挑战性。主要表现为：1)数据中包含大量的冗余信息，不仅获取有用信息困难，还会降低预测模型的泛化能力；

2、2)数据中存在大量的异常数据，异常数据对模型的不良影响很大，甚至可能造成模型构建失败；3)数据量纲不统一，不统一的量纲会错误预估数据的重要性，增加建模难度。

3、污水处理过程是个复杂的生化反应过程，整个过程联系紧密且具有连续性。出水水质不仅受当前工况的变化，还会受到历史工况和历史出水水质的影响。由于污水处理过程具有大滞后特性，所以历史出水水质和历史工况对当前出水水质的影响不能忽略。

技术实现思路

1、本专利技术为了降低数据维度，缩小数据规模，减少异常数据的影响，充分发挥每一个变量的作用，减少污水处理过程中工况突变对出水水质的影响及滞后特性，提供一种基于递归rbf神经网络的污水处理过程出水水质预测方法。

2本文档来自技高网...

【技术保护点】

1.一种基于递归RBF神经网络的污水处理过程出水水质预测方法，其特征在于，污水经处理，在处理过程中采集数据，选取相关变量，最后进行数据非线性归一化处理；

2.根据权利要求1所述的基于递归RBF神经网络的污水处理过程出水水质预测方法，其特征在于，采用数据压缩技术是在线性压缩后，再进行一步对数归一化处理，对数归一化处理规则公式为：

3.根据权利要求1所述的基于递归RBF神经网络的污水处理过程出水水质预测方法，其特征在于，采用偏最小二乘法对所采集数据进行筛选和分解。

4.根据权利要求3所述的基于递归RBF神经网络的污水处理过程出水水质预测方法，其特征在于，污...

【技术特征摘要】

1.一种基于递归rbf神经网络的污水处理过程出水水质预测方法，其特征在于，污水经处理，在处理过程中采集数据，选取相关变量，最后进行数据非线性归一化处理；

2.根据权利要求1所述的基于递归rbf神经网络的污水处理过程出水水质预测方法，其特征在于，采用数据压缩技术是在线性压缩后，再进行一步对数归一化处理，对数归一化处理规则公式为：

3.根据权利要求1所述的基于递归rbf神经网络的污水处理过程出水水质预测方法，其特征在于，采用偏最小二乘法对所采集数据进行筛选和分解。

4.根据权利要求3所述的基于递归rbf神经网络的污水处理过程出水水质预测方法，其特征在于，污水经污水处理系统处理，处理过程中进行数据采集，数据采集点位有10个，包含57个采集量；

5.根据权利要求4所述的基于递归rbf神经网络的污水处理过程出水水质预测方法，其特征在于，第一个采集点设置在初沉池进水口前，第二个采集点设置在a池厌氧区，第三个采集点设置在a池缺氧区，第四个至第六个采集点依次设置在...

【专利技术属性】
技术研发人员：马苗立，郭智君，黄哲堃，
申请(专利权)人：北京石油化工学院，
类型：发明
国别省市：